本发明专利技术的检查装置的一个方式包括：分类处理部，该分类处理部根据学习了多个种类不良因素的学习数据，在拍摄图像中检测不良因素候补，并分类为该多个种类中的任意一种；以及判定处理部，该判定处理部针对上述不良因素候补，基于根据分类的种类而设定的判定基准，判定是否为不良因素。定是否为不良因素。定是否为不良因素。
【技术实现步骤摘要】
检查装置及检查方法
[0001]本专利技术涉及检查装置及检查方法。
技术介绍
[0002]以往，已知有自动进行产品的外观检查等的检查装置，寻求提高检查精度的办法。
[0003]例如，在特许文献1中记载了如下方案：对被摄体像中的1帧内存在的多个瑕疵分别赋予顺序，从上述赋予顺序的各瑕疵中的上位选择规定数量的瑕疵并分别赋予特征量，基于上述特征量将各瑕疵选择为多个组，按上述选择的每个组综合上述各瑕疵候补作为1个瑕疵候补，对上述各瑕疵候补判定瑕疵的种类及等级。现有技术文献专利文献
[0004]专利文献1：日本专利特开2002
‑
257739号公报
技术实现思路
专利技术所要解决的技术问题
[0005]但是，在专利文献1的技术中，如瑕疵和尘埃等那样，在逻辑上难以从图像数据区分的、类似度高的多个种类的不良因素混合存在的情况下，最终的好坏判定的精度低。因此，本专利技术的目的在于，即使在多个种类的不良因素混合存在的情况下，也能够提高最终的好坏判定的精度。用于解决技术问题的技术手段
[0006]本专利技术所涉及的检查装置的一个方式包括：分类处理部，该分类处理部根据学习了多个种类的不良要因的学习数据，在拍摄图像中检测不良因素候补，并分类为该多个种类中的任意一种；以及判定处理部，该判定处理部针对上述不良因素候补，基于根据分类的种类而设定的判定基准，判定是否为不良因素。本专利技术所涉及的检查方法的一个方式经过如下过程：分类处理过程，该分类处理过程根据学习了多个种类的不良因素的学习数据，在拍摄图像中检测不良因素候补，并分类为该多个种类中的任意一种；以及判定处理过程，该判定处理过程针对上述不良因素候补，基于根据分类的种类而设定的判定基准，判定是否为不良因素。专利技术效果
[0007]根据本专利技术，即使在多个种类的不良因素混合存在的情况下，也能够提高最终的优劣判定的精度。
附图说明
[0008]图1是示出本实施方式的外观检查系统的图。图2是示出外观检查系统的功能结构的框图。图3是示出外观检查系统中的处理顺序的流程图。
图4是示意性地示出实施了AI处理和图像处理的拍摄图像的图。图5是示意地示出内外判定的结果的图。图6是示出近似四边形的尺寸的图。图7是示出存储在存储部中的好坏判定的判定基准的图。图8是示出在图像处理中使用近似椭圆的例子的图。图9是示出近似椭圆的尺寸的图。图10是示出使用近似椭圆时的好坏判定的判定基准的图。
具体实施方式
[0009]以下，参照附图对本专利技术的检查装置以及检查方法的实施方式进行详细说明。但是，为了避免以下的说明变得不必要的冗长，使本领域技术人员容易理解，有时省略不必要的详细说明。例如，有时省略已经公知的事项的详细说明或对实质上相同的结构的重复说明。另外，对于前面说明的图中记载的要素，有时在后面的图的说明中适当参照。图1是示出本实施方式的外观检查系统的图。
[0010]外观检查系统100是本专利技术的检查系统的一个实施方式，作为一个例子，是在智能手机中安装了应用程序的系统。外观检查系统100具备照相机101和带触摸面板的显示器102。照相机101具有拍摄视角R，拍摄检查对象200。在图1中，作为一例示出了具有圆筒形的圆周表面的检查对象200，但是检查对象200也可以具有平面形的表面。外观检查系统100使用拍摄检查对象200而得到的图像进行外观检查，将检查结果显示在显示器102上。图2是示出外观检查系统100的功能结构的框图。外观检查系统100具备控制部110、照相机部120、存储部130、输入部140以及输出部150。控制部110由组装于智能手机的CPU等承担，控制外观检查系统100整体。控制部110读出并执行存储在存储部130中的应用程序。照相机部120由图1所示的照相机101承担，对检查对象200进行拍摄。存储部130由组装于智能手机中的存储元件等承担，存储外观检查所需的学习数据或判定基准等。存储部130还存储由控制部110使用的应用程序。输入部140由图1所示的显示器102的触摸面板承担，输入拍摄条件的信息等。输出部150相当于显示器102的显示功能，通过输出部150进行拍摄图像的显示或检查结果的显示等。控制部110具有照相机控制部111、AI处理部112、图像处理部113和判定部114。照相机控制部111控制照相机部120，得到检查对象200的拍摄图像。
[0011]AI处理部112相当于本专利技术所说的分类处理部的一例，根据学习了多个种类的不良因素的学习数据，在拍摄图像中检测不良因素候补，并分类为该多个种类的中的任意一种。本专利技术所说的分类处理部的处理不限于所谓的AI处理，也可以是基于所谓的机器学习的处理。
图像处理部113相当于本专利技术所说的图像处理部的一例，对拍摄图像实施边缘处理等图像处理，检测不良因素候补。
[0012]判定部114相当于本专利技术所说的判定处理部的一例，针对不良因素候补，基于根据分类的种类而设定的判定基准，判定是否为不良因素。在本实施方式中，判定部114对由AI处理部112和图像处理部113双方检测出的不良因素候补进行好坏判定。换言之，判定部114判定由图像处理部113检测出的不良因素候补210中、由AI处理部112也检测出的不良因素候补210是否为不良因素。通过判定部114限定好坏判定的对象，处理效率以及判定精度提高。
[0013]通过组合AI或机器学习等擅长的不良因素的分类和基于每个种类的判定基准的好坏判定，即使多个种类的不良因素混合存在，也能够进行高精度的好坏判定。图3是示出外观检查系统100中的处理顺序的流程图。以下，适当参照图4～图7对图3的流程图所示的处理步骤进行说明。
[0014]外观检查系统100在步骤S101中，通过照相机控制部111控制照相机部120，进行检查对象200的拍摄，得到拍摄图像。作为检查对象200的拍摄，除了单发拍摄之外，还可以是将检查对象200的外表面分割为多个的分割拍摄。在分割摄影的情况下，得到多个拍摄图像，将这些多个拍摄图像合成来生成检查对象200的展开图像。以下，为了便于说明，不特别区分拍摄的种类，将通过单发拍摄得到的拍摄图像、分割拍摄的结果生成的展开图像也包含在内，简称为“拍摄图像”。
[0015]外观检查系统100若得到拍摄图像，则在步骤S102中通过AI处理部112对拍摄图像实施AI处理，在步骤S103中通过图像处理部113对拍摄图像实施图像处理。步骤S102相当于本专利技术所说的分类处理过程的一例。由于AI处理部112的AI处理和图像处理部113的图像处理是彼此独立的处理，因此步骤S102和S103可以以与图3所示的顺序相反的顺序执行，或者可以并行执行。图4是示意性地示出实施了AI处理和图像处理的拍摄图像的图。
[0016]在拍摄图像205中，包含作为产生图像浓度等混乱的部位的不良因素候补210。不良因素候补210有可能是瑕疵、污垢、尘埃、打痕、摩擦、指纹、标记的忘记清除等分别由多个原因产生的多个种类的不良因素中的任意一种。不良因素候补210也有时本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种检查装置，其特征在于，包括：分类处理部，该分类处理部根据学习了多个种类的不良因素的学习数据，在拍摄图像中检测不良因素候补，并分类为该多个种类中的任一种；以及判定处理部，该判定处理部针对所述不良因素候补，基于根据分类的种类而设定的判定基准，来判定是否为不良因素。2.如权利要求1所述的检查装置，其特征在于，所述判定处理部针对所述多个种类中的一部分种类，通过被分类为该一部分种类而将所述不良因素候补判定为不良因素。3.如权利要求1或2所述的检查装置，其特征在于，所述分类处理部至少检测并分类瑕疵、污垢、尘埃、压痕以及摩擦作为所述多个种类的不良因素。4.如权利要求1至3中任一项所述的检查装置，其特征在于，包括图像处理部，该图像处理部对所述拍摄图像实施图像处理，检测不良因素候补，所述判定处理部针对由所述图像处理部检测出的不良因素候补中的、也由所述分类处理部检测出的不良因素候补，判定是否为不良因素。5.如权利要求4所述的检查装置，其特征在于，所述图像处理部通过所述图像处理对所述不良因素候补计算近似形状所述判定处理部使用与所述近似形状的尺寸相关的基准作为所述判定基准。6.如权...
【专利技术属性】
技术研发人员：石川博一，
申请(专利权)人：日本电产株式会社，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。